Hierarchical Linear Modeling of Visual Acuity Change Over Time: Rate of Functional Recovery After Macular Hole Surgery
Notice bibliographique
Résumé
PURPOSE: To examine acuity recovery rate after Macular Hole (MH) surgery, using Hierarchical Linear Modeling (HLM) with linear and curvilinear regression analysis. METHODS: Preoperative MH diameter (OCT) and acuity (ETDRS) were recorded in 20 eyes. Acuities were tested during follow-up (6 to 23 months), with three to eight measurements per eye. The resulting 95 acuities were analyzed using HLM. Variability at the level of the person was explained by change over time, using a natural logarithm conversion. Across patients, MH diameter was used to predict slopes and intercepts at the level of the individual. RESULTS: MH diameter was able to account for significant amounts of variability in preoperative acuity (intercept) and significantly influenced rate of functional recovery (slope). A nonlinear approach to the data accounted for the largest amount of variance. CONCLUSIONS: Participants with larger MHs recovered relatively more acuity sooner while eyes with smaller MHs had better absolute acuity outcome. HLM provides important insight into the recovery process after MH surgery and is more flexible with follow-up data. In the context of MH treatment, most recuperation occurred during the initial 6 months.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».